4157 편의 논문
본 연구는 서울의 도시 설계 평가를 위한 멀티모달 거대언어모델(LLM)의 신뢰성과 타당성을 평가하며, 이 모델들이 시각적으로 명시적인 특징들에 대해서는 우수한 성능을 보이지만 맥락적 또는 비례적 변수에 대한 인간의 평가를 완전히 재현하지 못하는 점이 보편적 적용보다는 요소별 특정 적용으로 그 적합성을 제한한다는 것을 밝혀냈다.
이 논문은 질병과 같은 관심 대상(entities of interest)을 최소한의 측정값으로부터 직접 검출함으로써, 진단 정확도를 유지하면서도 획득 비용과 시간을 크게 줄일 수 있는, 전통적인 영상 재구성 과정을 우회하는 머신러닝 패러다임을 제안한다.
이 논문은 자연어를 기반으로 고품질의 초기 해를 생성하는 대규모 언어 모델과 메모리 가이드 방식의 가속-감속(Speed-Up Slow-Down) 지역 탐색 알고리즘을 결합하여, 기존 방식 대비 미션 완수 시간(makespan)을 17.07% 단축하면서도 확장성을 유지하는 이종 다중 로봇 시스템을 위한 하이브리드 작업 할당 프레임워크를 제안한다.
이 논문은 딥러닝 기반의 말더듬 분류와 멀티 에이전트 거대언 언어 모델 추론을 결합하여, 전문가의 검토 및 실행을 위해 개인화된 근거 기반 치료 계획을 생성, 비판 및 개선하는 임상의 참여형(clinician-in-the-loop) AI 구동 플랫폼인 가상 언어치료사(VST)를 소개한다.
이 논문은 결함이 있는 모수적 가정을 음이항 일반화 선형 혼합 모델(GLM) 프레임워크와 시뮬레이션 기반 검정력 분석으로 대체하여, 대규모 언어 모델 출력의 확률적 편향을 측정하기 위한 표준화된 반복 횟수와 신뢰도 임계값을 설정하는 통계적으로 원칙적인 프로토콜인 "주사위 굴리기 방법(Dice Roll Method)"을 소개한다.
MobiShield는 적응형 특징 가중치, 호프딩 기반 드리프트 탐지, 그리고 분포 변화에 대응하여 노이즈 수준을 조절하는 동적 차분 프라이버시 메커니즘을 통합함으로써 비-IID 데이터 이질성, 개념 드리프트, 그리고 프라이버시 유출 문제를 동시에 해결하는 안드로이드 악성코드 탐지를 위한 새로운 연합 학습 프레임워크이다.
이 논문은 데이터 프라이버시, 비독립 동일 분포(non-IID) 데이터 분포, 그리고 적대적 공격과 관련된 문제를 해결하는 동시에, 의료 사물 인터넷(IoMT) 환경에서 사이버 위협을 효과적으로 탐지하기 위해 하이브리드 심층 신경망(DNN)과 XGBoost 모델을 통합한 프라이버시 보존형 연합 학습 프레임워크를 제안한다.
본 논문은 TF-IDF 증거 검색과 가중치 검증을 활용하여 다중 LLM 추론의 계산 오버헤드 없이도 높은 탐지 정확도와 상당한 환각 감소를 달성함으로써, 거대 언어 모델(LLM)의 환각을 효과적으로 탐지하고 교정하는 경량화된 모듈형 검색 기반 프레임워크를 제안한다.
본 논문은 자원 제약적이고 이기종적인 IPv6 IoT 네트워크 내에서 보안, 신뢰성 및 서비스 품질(QoS) 문제를 총체적으로 해결하기 위해, AI 기반 이상 탐지, 경량 컨소시엄 블록체인, 그리고 심층 강화 학습 기반 라우팅을 4계층 SDN 및 6TiSCH 아키텍처 내에 시너지 효과를 내도록 통합한 새로운 개념적 프레임워크인 Secure QoS-IPv6를 제안한다.
본 연구는 비의미론적 베이스라인과 문서 전체 임베딩이 제한된 문헌 코퍼스 내에서 저인용 논문을 식별하는 데 높은 성능을 달성함으로써, 임상 소화기학 논문의 인용 위험 결과가 출판 시점 정보만을 사용하여 정확하게 예측될 수 있음을 입증한다.